融合标签相似度的k近邻Slope One算法

摘要：

Slope One 协同过滤算法被广泛应用于个性化推荐系统中。标签是一种描述项目特性的重要形式，针对Slope One 算法推荐精度不足的问题，将标签信息融合到 Slope One 算法当中。同时参考 k 近邻算法思想，选取阈值过滤后的 k 近邻项目参与平均评分偏差计算，提高计算效率的同时增加预测精度。使用评分相似度和标签相似度作为权重修正线性回归模型。通过线性加权融合预测结果，进一步提升推荐质量。将算法应用于 MovieLens 数据集，与传统加权 Slope One 算法相比，平均绝对偏差下降4．8％，召回率和准确率分别提高32．1％和26．3％。

关键词：协同过滤、推荐系统、标签相似度、k近邻、Slope One算法

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：518-524